11902 ورقة بحثية
تقترح هذه الورقة دمج النماذج اللغوية الكبيرة مع الاستدلال التوافقي لتحسين التنبؤ المهيكل من خلال تعزيز الاتساق والدقة، حيث أثبتت من خلال تجارب شاملة أن الاستدلال الرمزي يتفوق على مجرد استخدام التلقين وحده، وأن المعايرة الإضافية مع أهداف التعلم المهيكل تحقق أداءً فائقاً في المهام الصعبة.
تقدم هذه الورقة إطاراً اصطناعياً ومقياساً مؤتمتاً لتقييم ما إذا كانت النماذج اللغوية الكبيرة تلتزم بمبدأ "نصل أوكام" في الاستدلال الاستقرائي والاستنباطي، مما يكشف أنه بينما يمكن للنماذج التعامل مع السيناريوهات البسيطة، فإنها تواجه صعوبة في إنتاج فرضيات صحيحة وموجزة في نماذج العالم المعقدة حتى مع استخدام تقنيات الاستدلال المتقدمة.
تقدم الورقة البحثية ReSum، وهو إطار عمل يعمل دون الحاجة إلى تدريب وقابل للتوصيل والتشغيل المباشر، يُمكّن الوكلاء الويب القائمين على النماذج اللغوية الكبيرة من التغلب على قيود نافذة السياق من خلال التلخيص الدوري للسجل، والذي يتم تعزيزه بشكل أكبر بواسطة ReSum-GRPO لتحسين تخصيص الائتمان طويل الأمد عبر بث الميزة.
تقدم الورقة البحثية GeoResponder، وهو إطار عمل يعزز قدرات النماذج اللغوية الكبيرة في الاستدلال الجغرافي المكاني من خلال منهج تعليمي لضبط التعليمات القائم على السقالات، مما يمكنها من دعم مهام الاستجابة للكوارث الحرجة زمنياً بفعالية من خلال التنقل بدقة في شبكات الطرق وتحديد مواقع البنية التحتية الأساسية.
تقدم هذه الورقة البحثية DiffuGuard، وهو إطار دفاعي لا يتطلب تدريباً يعمل على التخفيف من نقاط الضعف الفريدة لعمليات كسر الحماية في نماذج الانتشار اللغوية الكبيرة (Diffusion LLMs) عبر معالجة انحيازات إعادة القناع الجشعة الضارة والاعتماد على مسار إزالة الضجيج من خلال التلدين العشوائي وآليات التدقيق على مستوى الكتل، مما يقلل بشكل كبير من معدلات نجاح الهجمات مع الحفاظ على فائدة النموذج.
تقدم هذه الورقة البحثية CQA-Eval، وهو إطار عمل ومجموعة من التوصيات لتقييم أنظمة الأسئلة والأجوبة السريرية متعددة الفقرات بكفاءة في ظل قيود الموارد، حيث تُثبت من خلال تعليقات الأطباء أن التحليل الدقيق على مستوى الجمل يحسن الاتفاق في الصحة بينما يلتقط التحليل العام مستوى الصلة بشكل أفضل، وأن تعليق مجموعة فرعية صغيرة من الجمل يمكن أن يحقق موثوقية مماثلة للتعليقات العامة الكاملة.
تقدم هذه الورقة FactAppeal، وهي مجموعة بيانات مُعنونة يدويًا تضم 3,226 جملة إخبارية صُممت لتطوير المهمة المستحدثة المتمثلة في تحديد الاستمالة المعرفية عبر رصد البنى الاستدلالية الدقيقة وخصائص المصادر، إلى جانب تقييم النماذج الترميزية والتوليدية التي حققت درجة F1 كليّة بلغت 0.73.
تقدم هذه الورقة البحثية CNSocialDepress، وهي مجموعة بيانات شاملة لوسائل التواصل الاجتماعي الصينية تضم 44,178 منشوراً وسمات نفسية مشروحة من قبل خبراء تتيح الكشف عن مخاطر الاكتئاب بدقة وتفسير عالٍ، وتحليلاً مهيكلاً يتجاوز التصنيف الثنائي التقليدي.
تقدم الورقة البحثية SeeTok، وهو نهج متمحور حول الرؤية يقوم بتصوير النصوص كصور لتقوم النماذج اللغوية الكبيرة متعددة الوسائط بتفسيرها، مما يستبدل بفعالية عملية تقسيم الكلمات إلى وحدات فرعية (subword tokenization) لتحقيق كفاءة حوسبية كبيرة، وتحسين المتانة تجاه الضجيج الطباعي، وتحقيق تعميم أفضل عبر اللغات من خلال محاكاة القراءة البصرية البشرية.
تقدم هذه الورقة AoT-PsyPhyBENCH، وهو معيار تم التحقق من صحته نفسيًا وجسديًا يوضح أن نماذج الرؤية واللغة الحالية تعاني في تحديد سهم الزمن في الفيديوهات الطبيعية، مما يكشف عن فجوة جوهرية في قدراتها على الاستدلال الزمني والسببي مقارنة بالبشر.